Функции потерь для классификации

• Статья представляет различные функции потерь для классификации. 
• Функция потерь определяет меру ошибки классификации. 
• Функции потерь могут быть выпуклыми, линейно возрастающими или квазивыпуклыми. 
• Выбор функции потерь влияет на регуляризацию и улучшение ROC-кривой конечного классификатора. 
• Квадратичная потеря имеет тенденцию чрезмерно наказывать за выбросы и может быть использована для перекрестной проверки параметров регуляризации. 
• Логистическая функция потерь менее чувствительна к выбросам и используется в алгоритме LogitBoost. 
• Экспоненциальные потери являются выпуклыми и экспоненциально возрастающими, делая их более чувствительными к выбросам. 
• Потеря шарнира обеспечивает жесткую, выпуклую верхнюю границу функции индикатора 0-1 и может быть использована с методами субградиентного спуска. 
• Пересказана только часть статьи. Для продолжения перейдите к чтению оригинала.